-
Draup
Josh Bersin专栏：“人才情报市场”爆发，AI 如何重塑招聘、技能与决策？
HRTech概述：在当今数据驱动的时代，“人才数据” “People Data ”已成为企业最重要的资产之一。Josh Bersin 在其最新分析中指出，人才情报市场正在快速发展，形成从数据收集（如 Rhetorik）、数据建模（如 Lightcast、Revelio）、到智能平台（如 Galileo、Seekout）的三层架构。Lightcast 收购 Rhetorik 不仅加强了全球人才画像能力，还拓展至销售与营销数据领域。借助 AI，企业HR如今能通过对话式系统实现招聘推荐、技能评估、内部流动等多项功能。这场由数据与AI驱动的革命，正在重塑HR的专业边界。
原文题目：People Data For Sale: How The Talent Intelligence Market Works
作者：Josh Bersin · 2025年7月16日
在我们经济中，**“人力数据市场”**是最具活力和影响力的部分之一。每位招聘人员、选址专家、人力资源高管、经济学家、大学校长和政府规划者都希望知道：哪些岗位在增长？哪些技能最受欢迎？薪资趋势如何变化？还有更多相关洞察。
虽然很多人了解美国劳工统计局（BLS）发布的公共调查数据，但在其背后，有一个更加先进、由 AI 驱动的产业：“人才数据市场”。
人才数据市场的结构
几十年来，像 Monster.com、LinkedIn 等公司，以及其他数百家公司，通过算法抓取了关于个人、职位和企业的信息。最初，他们这么做是为了开发产品和服务。但如今，**“数据采集本身”**已成为一项庞大的商业活动。
大致来说，该市场可以分为三类供应商，且部分公司跨界经营。
第一类：数据聚合商（Data Aggregators）
代表企业包括：Rhetorik（已被 Lightcast 收购）、Lightcast（职位市场数据）、People Data Labs（PDL）、SignalHire、Revelio Labs、Cognism、Coresignal、Draup、Talent Neuron 等。
这些公司专注于大规模采集专业个人档案数据，信息来源包括公共记录、网页抓取（例如 LinkedIn 的公开资料）以及与一些小型数据供应商的合作，有些合作甚至涉及隐秘运作（如以色列的情报公司）。
部分聚合商如 Revelio、Draup、TalentNeuron、Lightcast 等，也会直接销售产品，因此在某种程度上也属于第二类供应商——数据整理与建模者。
第二类：数据整理与建模商（Data Enrichment & Organizers）
这类公司会将数据进行分类、构建技能模型、统一职位名称等，将海量非结构化数据组织成可用信息。他们的价值在于推理、日常更新以及与通用框架的整合。
代表公司包括：Lightcast（领先者）、Draup、Revelio Labs、TalentNeuron、Findem、ZoomInfo 等。后者多聚焦于销售与金融领域。
他们的技术团队会处理每天新增的数百万条记录，将其整理成职业分类体系（例如职位模型、职业编码），并推演出一个人的技能、雇主、教育背景、薪资与地理位置等信息之间的关联。
随后，这些数据会以 API 接口、数据连接器等形式供第三方平台调用。
这类数据处理非常复杂。例如，一个人的数据链会包含教育、技能、工作经历、雇主、所在城市等；这些又会连接到公司层级的信息，包括企业历史、产品、投资和技术项目等。
当这些公司把数据组织得足够好时，可以回答如下问题：
哪些职位越来越值钱？
AI 工程师的技能是如何细分的？
电动车工程师需要哪些新兴技能？
哪些能源科技正在崛起？哪些公司在使用？我要如何找到这些人才？
这些能力，将使得使用这些平台的企业在人才市场上领先对手数倍。例如，很多公司用 Lightcast 进行选址决策，投资金额甚至高达数亿美元。
第三类：人才智能平台（Talent Intelligence Products）
这是产业链的第三环节。
这类公司（包括几乎所有 HR SaaS 厂商）将上述数据集成进企业的招聘系统、技能分析、规划、内部流动等流程中。它们的任务是将外部人才数据与企业内部数据融合，从而使 HR 系统变得“智能”。
举个例子：你想为某项目寻找最适合的市场或工程人才，但公司 HR 系统只记录了职称和学历。借助上述数据平台，这些系统可以告诉你：谁才是真正合适的人选？甚至还能预测谁具备晋升潜力。
人才数据市场的高价值应用场景
该市场主要面向四大类终端用户：
企业客户：用于人力规划、招聘分析、技能战略。
教育机构：用于课程设计、学生就业评估、经济影响评估。
政府单位：用于经济发展、政策制定和劳动力投资。
销售与市场团队：用于线索生成、市场细分和客户画像构建。
对企业来说，这类数据对增长与绩效至关重要。随着 AI 系统普及，对高质量人才数据的需求也越来越高。
例如，Galileo 是一款直接接入 Lightcast 数据的 AI 工具。你可以上传10位员工的姓名、职位、简历和会议记录，让 Galileo 进行能力评估、对比与基准分析。这一功能可用于绩效管理、发展辅导、岗位设计与招聘决策。
Josh 本人还尝试过让 Galileo 分析过去 6 个月的公司会议数据，它能自动识别出员工姓名、技能强项与弱项，有些甚至是他自己之前未曾意识到的。
更重要的是，这只是冰山一角。通过这些数据+AI，企业可以：
智能筛选候选人
分析薪酬与外部趋势对比
进行绩效分析与技能对标
而这一切，都可以通过像 Seekout、Galileo、Eightfold 等 AI 系统实现，进入“对话式分析”新时代。
最新动态：Lightcast 为何收购 Rhetorik？
作为行业巨头，Lightcast 最近收购了数据采集公司 Rhetorik。这不仅增强了其人才画像数据源，还标志着其正式进军营销与销售数据市场。
目前 Lightcast 已覆盖三大市场：企业、教育与政府。此次收购将：
丰富 Lightcast 的员工数据维度
拓展销售/市场线索类数据应用
强化其在技能建模、薪酬基准、职业路径等方面的领先地位
借助现有数据科学团队，Lightcast 有望在多个市场领域实现倍增式增长。
AI 正在加速这个市场的演进
Josh 在播客中指出，AI 工具如 Galileo、Microsoft Copilot 等，让每位 HR 或管理者都能轻松使用这些复杂的数据系统。
你不再需要编写报告或查询数据库，只需提问，系统即可给出有洞察力的答案。
Lightcast 也正是意识到 AI 驱动的市场机会，才会加快产品布局，以巩固其市场领先地位。
-
Draup
围绕人工智能重新设计工作：工作智能工具问世
让我提出一个重要的问题：如果您的 CEO 或 CFO 要求您使用人工智能来提高生产力，您会怎么做？
你会采用“电锯”效率模型并裁掉 10% 的员工吗？还是会深思熟虑地围绕人工智能重新设计工作岗位？
本周我与数十家公司讨论了这个话题，所以我想分享我们所学到的知识。
公司为何变得官僚主义
让我们从原因开始：官僚主义是如何产生的。其实很简单：随着组织的发展，管理人员不断招聘新员工，通常是支持或行政职位。突然你醒来，发现公司里到处都是“项目经理”、“分析师”和“项目经理”。
我们最近研究了一家大型科技公司的职位结构，其中近三分之一的职位似乎是员工职位、分析师或项目经理。虽然我确信这些人很忙，但管理层很清楚，其中许多职位可以集中、共享、自动化或取消。
我们正在与一家大型媒体公司合作，他们一直在分析“媒体经理”的工作。该职位有近 7,000 名员工，这些人执行的任务和活动数量之多令人震惊。他们的核心工作是为客户购买广告空间，但实际上他们从事创意设计、账户管理、分析，还必须跟上人工智能的发展。
我认为这份工作是一个“关键角色”（能够带来巨大价值的角色），但在今天之前并没有标准化，而团队现在知道他们的新人工智能平台可以改变这一功能。
我们如何重新设计工作：蓝图
工作设计已经进行了几十年，其中很大一部分始于“工作任务分析”。在人工智能（以及 Reejig、Draup 和 Gloat 等工具）出现之前，我们会进行调查，了解人们在做什么，然后找出重叠、效率低下或自动化潜力的领域。
但在人工智能时代，这可能还不够。如今，人工智能实现了从招聘到需求分析再到内容开发等所有工作的自动化，理想情况下，我们应该采取更广泛的方法。而这正是我看到公司所面临的困境。
考虑以下蓝图，这种方法可以防止您将 AI 用作“寻找问题的解决方案”。
首先，你要对公司进行基准测试，看看哪些地方效率低下。Reejig 和 Draup 等工具可以让你轻松完成这项工作，它们可以让你全面了解工程、销售、营销或个人角色，看看哪些地方人员过多。
我上面提到的媒体公司的收入和利润率都在下降，因此他们把重点放在面向客户的角色上，目标是提高增长。
IBM 在过去十年中一直使用人工智能来自动化公司中的许多人才和绩效流程，现在拥有一个充当人力资源业务合作伙伴的代理。人工智能决定薪酬范围以保持薪酬公平，还为管理人员提供绩效评估的深入数据。结果是增加了信任度，减少了偏见，并提升了人力资源团队的设计作用。
麦格理银行的规模在过去六年中扩大了一倍，因此他们正在合理化大量面向客户的职位。利用 Reejig，他们发现了数十个集中、自动化或重新设计工作流程的机会，以实现规模化。
安联多年来一直在优化其理赔流程。他们了解这项工作在盈利能力方面发挥的关键作用，现在他们已经构建了一个“数字孪生”，以实现大部分工作的自动化和标准化。
正如你所见，这些项目可能不是“自下而上”的，而是“自上而下”的。在很多情况下，比如当 CEO 想要裁员时，这就是要走的路。
其次，你现在必须“分解工作”来弄清楚人工智能可以发挥什么作用。在某些情况下，你会看一看 SeekOut Spot 或 Paradox（最先进的招聘代理）等工具，然后“实施”并重新考虑工作。但这会造成很多恐惧和阻力，所以系统化工作往往更好。
分析任务（或活动）
想象一下，你在医院工作，负责清洁地板：你的“技能”从“扫地”变成了“操作清洁设备”。如果你是一名软件工程师，你的技能将从“编码”转变为“使用 Github Copilot”。营销专业人士正在从“创建活动”转变为“操作 AI 创意平台”。教学设计师正在从“构建课程”转变为“提示 AI 和策划内容”。
一旦我们知道这些“任务”或“活动”是什么，我们就可以预测或决定要实施多少自动化。在我们讨论的每个案例中，这分为四个步骤。
首先，这个团队效率低下是因为他们正在开发我们根本不想做的产品、销售流程或其他计划吗？我曾在许多效率低下的销售团队工作过，问题在于没人想买的产品，而不是销售流程本身。
第二，这些工作任务是否常规且易于外包？我们能把它们集中起来吗？他们的易用平台是否已经到位？
第三，如果我们找到一个可用的人工智能工具，那么构建、优化和训练它会有多难？可能有一些现成的产品已经准备好了，但在某些情况下，你可能需要 IT 支持来构建所需的系统。
第四，如果我们确实将这些任务外包或自动化，人们需要学习哪些新的增值功能？例如，如果营销专业人员突然被 CRM 工具取代，他或她是否准备好成为一名战略家并在此基础上增加价值？
再回到媒体公司。您的员工会制作创意活动、购买广告空间并管理电子商务和活动指标，以不断提高客户的品牌和销售业绩。这涉及数百项“任务”，包括从客户管理到活动管理再到各种形式的创意工作、管理活动、进行 SEO 分析等等。
随着“代理”的出现，您的代理机构不想落后，因为您的竞争对手之一可能会突然以低于您的出价在客户方面胜过您。因此，您会对“我们可以自动化哪些任务和活动？”非常感兴趣。
现在最大的问题是：我们是否有工具可以帮助我们将工作分解为任务并找出需要重新设计的内容？是的，这就是接下来要做的事情。
Reejig、Gloat、Draup 等推出的全新工作智能平台
如果你回头思考这个问题，你会发现这也是一个“大数据”机会。如果我开发一个工具，扫描世界上的每一份招聘信息，寻找“任务”而不仅仅是“技能”，然后将这些“任务”与职位描述进行匹配，我实际上就会拥有一个巨大的“工作任务库”，可以实时更新。这就是Reejig所做的。
你可以使用Reejig 平台查看公司中的职位，它会为你提供“人们正在执行哪些任务”的准确信息。微软、麦格理集团和 WPP 现在都在这样做，他们都告诉我，准确度令人惊叹。换句话说，虽然你的公司与其他公司并不完全相同，但人们在每个业务领域所做的实际工作却惊人地相似。
我从自己的职业生涯中了解到这一点。在我的职业生涯的六个主要阶段，我从事过销售、营销、产品管理、业务开发和行政工作。每次我去一家新公司，我都会发现他们做的事情和其他公司完全一样，但有些事情被忽略了。这是因为我们还没有人工智能驱动的任务分析工具，所以我们根据经验“弥补”我们需要做的事情。
2000 年代我在 Sybase 工作时，我们根据地点和公司规模进行营销。我们利用直邮和活动来接触人们。并不是每个营销经理都完全了解“受众分析”这一步骤。
如果您有一个平台，可以基于这个庞大的 AI 数据库将“活动策划”一词分解为步骤（活动），会怎么样？它会将您的计划分解为一组 10 或 15 个步骤，并确保不会忘记任何事情。然后，一旦确定了这些步骤，系统就可以向您展示每个步骤所需的技能，甚至可以找到公司中擅长这些事情的人！这就是Gloat 的新 Mosaic平台所做的。
我第一次看到 Mosaic 时惊呆了。多年来，我一直从事销售、营销和研究，依靠自己的经验来了解该做什么。Gloat 可以告诉我需要考虑的每一个步骤。如果我对其中某个步骤不熟悉，Gloat 可以帮我找到一个具备所需技能的人。
这是一件大事。虽然我们公司的每个业务流程看起来都很相似（例如“订单到现金”或“销售线索到销售”），但这些流程中的细节一直在变化。想想保险公司处理索赔的复杂流程。你能想象当你的房子被烧毁，他们想给你寄一张支票时，他们需要多少验证步骤、基准测试、质量检查和欺诈检测流程吗？Travellers 的员工告诉我，他们有“模拟房屋”，他们实际上用火烧毁厨房，以确定在火灾中他们应该承担哪些承包商、供应品和费用。
我们在商业中所做的一切都是由任务和活动组成的，这些“工作步骤”正在以光速实现自动化。因此，这些新的“工作智能”工具在未来的世界将非常有用和重要。
从很多方面来看，Reejig、Gloat、Draup等工具都是我们需要的新型工作智能工具，取代了我们过去所做的大部分“工作任务分析”。
如何使用这些新的工作智能平台？
那么现在最大的问题是：这些工具是万能药吗？或者它们只是“咨询加速器”。
这些都是突破性的新产品。
Reejig 是一个人工智能驱动的工作任务分析平台，它可以显示重点关注的地方。Gloat Mosaic 帮助管理人员分解工作、寻找有才华的员工并确定平台和技能。而 Draup 可以对您的生产力进行基准测试并确定您拥有的平台（以及您的竞争对手使用的平台），以便您评估您的技术成熟度。
这是一个新市场，而且才刚刚起步。未来会有更多此类工具出现。
最后的想法：思考业务重新设计，而不仅仅是工作重新设计
“超级员工的崛起”计划既是一个商业项目，也是一个工作设计项目：我们正在将多个工作职能整合到数据驱动的代理中。
例如，我们的一个客户最近来找我们，说“我们觉得我们的员工太多了，我们想在不雇佣任何新员工的情况下将公司规模扩大一倍。”（“人才密度”策略。）
我们查看了基准（每位员工的收入等），发现他们可能人手过多了 10-15%。但在我们深入研究职位结构之前，首席人力资源官提到“我认为我们的销售人员太多了，因为我们向错误的客户销售产品。我们的许多小客户都没有续约。”无论多少职位重新设计都无法解决这个问题！
换句话说，工作重新设计既是自上而下的工作，也是自下而上的自动化项目。因此，请记住蓝图并考虑以下四件事：
是否有一些产品、市场和客户群体需要我们削减、改进或重新考虑？我们是否在打造正确的产品并服务正确的市场？
我们是否可以通过培训、共享服务或组织整合来解决技能和“错位”问题？
是否有可重复、常规、低价值的任务我们可以立即实现自动化和简化？我们能否使用现有平台快速实现自动化或简化？
当我们转向自动化代理时，是否存在跨职能的机会来同时改善多个角色？
如果您考虑招聘，您可以轻松找到用于构建职位描述的工具。但如果您考虑整个流程，多功能代理可以帮助进行职位分析、职位描述、采购、评估和入职。（Paradox、Maki People、Eightfold 目前正在这样做。）
不要让人工智能成为寻找问题的解决方案
我参加会议后得出的最后一个想法是，一些公司对人工智能如此着迷，以至于他们感觉自己就像一个在寻找问题的解决方案。
新的自动化解决方案需要时间来实施，因此请慢慢来，并确保专注于高回报领域。这样，您将获得资金和 IT 支持。
最后一个故事。
客户是一家拥有全球人力资源组织的大型科技公司。他们拥有出色的人力资源技术，生产率已经很高。他们追求的“问题”是随着业务转向全人工智能产品模式，如何能够超强地促进员工增长，他们希望 HRBP 能够领导这项工作。
人力资源团队以这一重点为中心，检查了这些业务合作伙伴的询问、互动、任务和活动。果然，通过 Reejig 的分析，他们发现多达 40% 的时间都花在了管理上。现在，为了实现高水平的目标，该团队正在研究自动化（包括Galileo）来自动执行这些任务。
将工作设计工作重点放在业务目标上。Gloat（将工作分解为项目、任务、技能和才能）、Reejig（任务分析和组织任务基准测试）和 Draup（企业范围基准测试、工作量分析和技术平台基准测试）等新工具可帮助您加快工作速度。
我们不要为了人工智能而迷恋它，从一开始就要务实。当今的经济现实要求我们这样做。
扫一扫 加微信
hrtechchina
